論文の概要: Fine-grained Narrative Classification in Biased News Articles
- arxiv url: http://arxiv.org/abs/2512.03582v1
- Date: Wed, 03 Dec 2025 09:07:52 GMT
- ステータス: 情報取得中
- システム内更新日: 2025-12-04 12:16:31.605159
- Title: Fine-grained Narrative Classification in Biased News Articles
- Title（参考訳）: ニュース記事におけるきめ細かい物語分類
- Authors: Zeba Afroz, Harsh Vardhan, Pawan Bhakuni, Aanchal Punia, Rajdeep Kumar, Md. Shad Akhtar,
- Abstract要約: 本稿では, 偏りのあるニュース記事において, よりきめ細かな物語分類を提案する。
また、物語分類の先駆的課題として記事バイアス分類についても検討する。
InDI-PROPはイデオロギー的に基礎を成した最初の詳細な物語データセットである。
- 参考スコア（独自算出の注目度）: 10.412867371293629
- License:
- Abstract: Narratives are the cognitive and emotional scaffolds of propaganda. They organize isolated persuasive techniques into coherent stories that justify actions, attribute blame, and evoke identification with ideological camps. In this paper, we propose a novel fine-grained narrative classification in biased news articles. We also explore article-bias classification as the precursor task to narrative classification and fine-grained persuasive technique identification. We develop INDI-PROP, the first ideologically grounded fine-grained narrative dataset with multi-level annotation for analyzing propaganda in Indian news media. Our dataset INDI-PROP comprises 1,266 articles focusing on two polarizing socio-political events in recent times: CAA and the Farmers' protest. Each article is annotated at three hierarchical levels: (i) ideological article-bias (pro-government, pro-opposition, neutral), (ii) event-specific fine-grained narrative frames anchored in ideological polarity and communicative intent, and (iii) persuasive techniques. We propose FANTA and TPTC, two GPT-4o-mini guided multi-hop prompt-based reasoning frameworks for the bias, narrative, and persuasive technique classification. FANTA leverages multi-layered communicative phenomena by integrating information extraction and contextual framing for hierarchical reasoning. On the other hand, TPTC adopts systematic decomposition of persuasive cues via a two-stage approach. Our evaluation suggests substantial improvement over underlying baselines in each case.
- Abstract（参考訳）: 物語はプロパガンダの認知的・感情的な足場である。
彼らは孤立した説得的テクニックを、行動、属性の非難、イデオロギーのキャンプとの識別を正当化するコヒーレントなストーリーに編成した。
本稿では,偏りのあるニュース記事において,よりきめ細かな物語分類を提案する。
また,物語分類ときめ細かな説得技術同定の先駆的課題として,記事バイアス分類についても検討する。
InDI-PROPはインドメディアにおけるプロパガンダ分析のための多段階アノテーションを用いた,イデオロギー的に基礎を成した最初の詳細な物語データセットである。
InDI-PROPのデータセットは、近年の2つの分極社会政治事象(CAAと農民の抗議)に焦点を当てた1,266の論文からなる。
各記事は3つの階層レベルで注釈付けされる。
(i)イデオロギー的記事バイアス(政府、反対、中立)
(二)イデオロギーの極性とコミュニケーションの意図に固定された事象固有の微粒な物語枠
(三)説得技。
本稿では,2つのGPT-4o-miniガイド付きマルチホッププロンプトベースの推論フレームワークであるFANTAとTPTCを提案する。
FANTAは階層的推論のための情報抽出とコンテキストフレーミングを統合することで多層通信現象を利用する。
一方,TPTCは2段階のアプローチにより,説得的キューの系統的分解を取り入れている。
評価の結果,各症例のベースラインよりも有意に改善したことが示唆された。
関連論文リスト
- Latent Topic Synthesis: Leveraging LLMs for Electoral Ad Analysis [51.95395936342771]
ラベルなしコーパスから解釈可能なトピック分類を自動生成するエンドツーエンドフレームワークを提案する。
われわれはこの枠組みを、2024年アメリカ合衆国大統領選挙の1ヶ月前のMeta政治広告の大規模なコーパスに適用する。
提案手法は,潜在談話構造を明らかにし,意味的に豊かなトピックラベルを合成し,モラル・フレーミングの次元でトピックを注釈する。
論文 参考訳（メタデータ） (2025-10-16T20:30:20Z) - Improving Narrative Classification and Explanation via Fine Tuned Language Models [6.310433217813068]
本研究は,(1)ニュース記事における物語とサブナラティブのマルチラベル分類,(2)簡潔でエビデンスに基づく,支配的な物語の説明の生成という2つの課題に取り組む。
GPT-4oパイプラインを用いた総合的な物語検出, 予測の精細化のためのリコール指向アプローチにより, BERTモデルを微調整する。
本研究は, メディア分析, 教育, インテリジェンス収集における補助知識の活用により, 分類精度が向上し, 信頼性が向上することを示す。
論文 参考訳（メタデータ） (2025-09-04T10:12:31Z) - Conflicting narratives and polarization on social media [0.0]
本研究では、対立する物語の分析が、公共空間における偏光の分散メカニズムと課題整合性について、どのように洞察を与えるかを示す。
2021年から2023年の間、ドイツのTwitter圏でイデオロギー的に偏極化の問題を特定してきた過去の研究に基づいて、偏極の分散次元を分析した。
両者の相反する物語の証拠として, (i) アクタントの役割の異なる帰属, (ii) 異なるアクタントの同一イベントへの参加を示す。
論文 参考訳（メタデータ） (2025-07-21T13:22:57Z) - Geopolitical biases in LLMs: what are the "good" and the "bad" countries according to contemporary language models [52.00270888041742]
我々は、中立なイベント記述と異なる国からの視点を対比した新しいデータセットを導入する。
以上の結果から,特定の民族的物語のモデルが好まれる,重要な地政学的偏見がみられた。
単純なデバイアスのプロンプトはこれらのバイアスを減らすのに限られた効果があった。
論文 参考訳（メタデータ） (2025-06-07T10:45:17Z) - Talking Point based Ideological Discourse Analysis in News Events [62.18747509565779]
本稿では,イデオロギー的談話分析理論をモチベーションとして,実世界の出来事に関するニュース記事を分析する枠組みを提案する。
我々のフレームワークは,話題のトピックとともに,エンティティ,役割,メディアフレーム間の相互作用を捉えた,会話ポイントという関係構造を用いたニュース記事を表現している。
我々は,人間の検証によって補足されたイデオロギーや分派的分類タスクを通じて,これらの視点を自動で生成するフレームワークの能力を評価する。
論文 参考訳（メタデータ） (2025-04-10T02:52:34Z) - What distinguishes conspiracy from critical narratives? A computational analysis of oppositional discourse [42.0918839418817]
本稿では,陰謀と批判的テキストを区別する,トピックに依存しない新しいアノテーション手法を提案する。
また、Telegramメッセージの高品質なアノテーションを含む多言語XAI-DisInfodemics corpus(英語とスペイン語)にも貢献する。
論文 参考訳（メタデータ） (2024-07-15T14:18:47Z) - Discourse Structures Guided Fine-grained Propaganda Identification [21.680194418287197]
我々は政治ニュースにおけるプロパガンダを、文レベルとトークンレベルという2つのきめ細かいレベルで識別することを目指している。
本稿では,プロパガンダ発見のための局所的・グローバルな談話構造の導入を提案する。
論文 参考訳（メタデータ） (2023-10-28T00:18:19Z) - Towards Corpus-Scale Discovery of Selection Biases in News Coverage:
Comparing What Sources Say About Entities as a Start [65.28355014154549]
本稿では,大規模ニュースコーパスにおけるニュースコンテンツから直接メディア選択バイアスのパターンを発見するために,スケーラブルなNLPシステムを構築する上での課題について検討する。
我々は,世界519のニュースソースから180万件のニュース記事のコーパスであるNELA-2020のケーススタディを通じて,フレームワークの能力を示す。
論文 参考訳（メタデータ） (2023-04-06T23:36:45Z) - Distant finetuning with discourse relations for stance classification [55.131676584455306]
そこで本研究では,定位分類のモデルとして,原文から銀ラベルでデータを抽出し,微調整する手法を提案する。
また,様々な段階において微調整に用いるデータのノイズレベルが減少する3段階のトレーニングフレームワークを提案する。
NLPCC 2021共有タスクArgumentative Text Understanding for AI Debaterでは,26の競合チームの中で1位にランクインした。
論文 参考訳（メタデータ） (2022-04-27T04:24:35Z) - KCD: Knowledge Walks and Textual Cues Enhanced Political Perspective
Detection in News Media [28.813287482918344]
マルチホップ知識推論を可能にする政治的視点検出手法であるKCDを提案する。
具体的には、外部知識グラフのランダムウォークを生成し、それらをニューステキスト表現で注入する。
そこで我々は,ニュースコンテンツとセマンティック,構文,実体的手がかりを協調的にモデル化する異種情報ネットワークを構築した。
論文 参考訳（メタデータ） (2022-04-08T13:06:09Z) - Paragraph-level Commonsense Transformers with Recurrent Memory [77.4133779538797]
物語からコヒーレントなコモンセンス推論を生成するために,段落レベルの情報を含む談話認識モデルを訓練する。
以上の結果から,PARA-COMETは文レベルのベースライン,特にコヒーレントかつ新規な推論に優れていた。
論文 参考訳（メタデータ） (2020-10-04T05:24:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。